用于染色体拉直的掩码条件变分自编码器
计算机视觉与模式识别
2023-06-27 v1
摘要
核型分析对于检测人类疾病中的染色体畸变具有重要意义。然而，染色体在显微图像中易出现弯曲，阻碍了细胞遗传学家分析染色体类型。为解决此问题，我们提出一种染色体拉直框架，其包含初步处理算法与一种称为掩码条件变分自编码器（MC-VAE）的生成模型。该处理方法利用块重排解决消除低曲率难的问题，为MC-VAE提供合理的初步结果。MC-VAE进一步以其曲率条件下的染色体块为条件，学习带纹模式与条件间的映射，从而拉直结果。在模型训练期间，我们采用高掩码率的掩码策略训练MC-VAE以消除冗余。这产生了一个非平凡的重建任务，使模型能在重建结果中有效保留染色体带纹模式与结构细节。在三个具两种染色风格公开数据集上的大量实验表明，我们的框架在保留带纹模式与结构细节上超越了SOTA方法的性能。与使用真实世界弯曲染色体相比，使用我们提出的方法生成的高质量拉直染色体可大幅提升多种深度学习染色体分类模型的性能。此种拉直方法有望与其他核型分析系统结合，以辅助细胞遗传学家进行染色体分析。
引用
@article{arxiv.2306.14129,
title = {Masked conditional variational autoencoders for chromosome straightening},
author = {Jingxiong Li and Sunyi Zheng and Zhongyi Shui and Shichuan Zhang and Linyi Yang and Yuxuan Sun and Yunlong Zhang and Honglin Li and Yuanxin Ye and Peter M. A. van Ooijen and Kang Li and Lin Yang},
journal= {arXiv preprint arXiv:2306.14129},
year = {2023}
}